Spark 查询时间分析，scan 扫描 vs join 哪个更耗时，差距几个数量级？

问答 ⋅ 张凌天 ⋅ 于 2019-01-08 17:35:25 ⋅ 最后回复由青牛于 2019-01-08 17:53:21 ⋅ 1815 阅读

本身最近在做Spark相关查询优化问题的研究，请问Spark sql做查询的时候，i/o扫描 vs join 哪个更耗时，查询的性能瓶颈具体在哪，希望能给出具体的时间分析？join等值连接相比 i/o扫描差距有多大？

补充一下：我说的join物理实现是sort merge join,是两个大表直接的等值连接

成为第一个点赞的人吧

回复数量: 1

青牛国内首批大数据从业者，就职于金山，担任大数据团队核心研发工程师
⋅ 2019-01-08 17:53:21

这个你可以自己拿两个表测一下具体情况具体分析

请注意单词拼写，以及中英文排版，参考此页
支持 Markdown 格式, **粗体**、~~删除线~~、`单行代码`, 更多语法请见这里 Markdown 语法
支持表情，可用Emoji的自动补全, 在输入的时候只需要 ":" 就可以自动提示了 :metal: :point_right: 表情列表 :star: :sparkles:
上传图片, 支持拖拽和剪切板黏贴上传, 格式限制 - jpg, png, gif，教程
发布框支持本地存储功能，会在内容变更时保存，「提交」按钮点击时清空

Ctrl+Enter